面板数据聚类的复合方法与应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

面板数据聚类的复合方法与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引言1

1.1 研究背景和研究意义1

1.1.1 研究背景1

1.1.2 研究的现实意义4

1.1.3 研究的理论意义4

1.2 研究内容及结构安排5

1.3 研究创新点和难点8

1.3.1 研究创新点8

1.3.2 研究难点9

第2章 面板数据聚类的方法及文献综述11

2.1 聚类方法的分类和聚类效果的评价11

2.1.1 聚类方法的分类11

2.1.2 聚类效果的评价13

2.2 面板数据聚类的文献综述14

2.2.1 面板数据聚类的研究对象14

2.2.2 面板数据的聚类步骤14

2.2.3 构造相似性度量的方法14

2.2.4 面板数据的聚类方法27

2.3 纵向数据聚类的文献综述28

2.4 小结29

第3章 基于密度的面板数据聚类分析31

3.1 用分类方法构造相似系数31

3.1.1 用Logistic回归模型构造相似系数32

3.1.2 用判别分析构造相似系数34

3.1.3 用K近邻分类器构造相似系数37

3.2 构造非对称相似矩阵39

3.2.1 相似系数的确定39

3.2.2 非对称相似矩阵的构造41

3.3 BF-DBSCAN聚类方法42

3.3.1 DBSCAN聚类方法42

3.3.2 最佳优先搜索43

3.3.3 轮廓系数43

3.3.4 BF-DBSCAN聚类方法44

3.4 实例分析45

3.4.1 影响BF-DBSCAN聚类结果的因素46

3.4.2 比较BF-DBSCAN和DBSCAN的聚类结果51

3.4.3 比较BF-DBSCAN聚类结果和截面数据聚类结果53

3.5 小结56

第4章 基于复合PCC的面板数据聚类分析59

4.1 多元copula的构建59

4.1.1 可交换阿基米德copula的构造60

4.1.2 嵌套阿基米德copula的构造62

4.1.3 Paircopula的构造65

4.1.4 三种多元copula构造方法的比较68

4.2 用复合PCC度量面板数据的依赖结构69

4.2.1 用HNAC度量依赖结构70

4.2.2 用D-vine和HNAC度量依赖结构70

4.2.3 用C-vine和HNAC度量依赖结构71

4.2.4 用PCC和HNAC度量依赖结构的一般模型72

4.3 复合PCC的参数估计72

4.3.1 极大似然法73

4.3.2 边际推断函数两阶段估计77

4.3.3 半参两阶段估计79

4.3.4 半参逐步估计82

4.4 模型评价和拟合优度检验84

4.4.1 Hit检验84

4.4.2 模型评价86

4.4.3 拟合优度检验90

4.5 基于复合PCC的面板数据聚类步骤91

4.5.1 面板数据聚类的模型设定和参数估计91

4.5.2 面板数据聚类的算法选择和聚类步骤92

4.6 实例分析93

4.6.1 不同copula函数的选择93

4.6.2 HNAC的聚类结果94

4.6.3 D-vine和HNAC的复合PCC聚类结果96

4.6.4 C-vine和HNAC的复合PCC聚类结果99

4.7 小结100

第5章 基于近邻传播的面板数据聚类分析103

5.1 近邻传播聚类103

5.2 自适应近邻传播聚类105

5.3 基于自适应近邻传播的面板数据聚类106

5.4 实例分析108

5.4.1 最佳聚类中心108

5.4.2 几何聚类中心110

5.5 小结112

第6章 总结与展望113

6.1 总结113

6.2 展望115

参考文献117

附录127

致谢162